10年前工作的项目CI就要跑三天，这些东西要换成黑盒验收，还要让AI驱动，应该不是我退休前会发生的事🤪
软件研发未来一定会走向一个黑盒验收时代。
过去每一个功能、每一个 PR，都需要人来 Review 和验证。但随着生产端的速度越来越快，验收逐渐跟不上生产，这个时候，人就会成为最大的瓶颈。
所以 AI 必须参与到代码审查和功能验收里，甚至还要进一步完成自部署、自监控。
这件事情实施难度很高吗？其实并没有。
只要把过去每个工种积累下来的经验和技能蒸馏给 AI，让 AI 把它们转化成有效的 Workflow、Skills 和 Scheduled Task，基本上整条链路都可以逐渐走通。
举个例子，线上监控大盘的搭建，过去一直是人在做。但仔细拆开来看，大盘本质上就是对日志、指标等数据格式化之后，通过接口查询，再进行图形化表达。
而 AI 在写 SQL、理解数据结构、生成查询逻辑这些事情上，本身就非常擅长。
我们团队的实践，就是把搭建监控大盘所需要的基础能力全部让 AI 学明白，然后让它围绕机器、业务、数据库、中间件，建立全面的总视图、分视图、Top 榜视图和各种监控视图。
这些事情 AI 做得特别好。
真正麻烦的是前面的链路打通。这里面涉及大量权限问题、接口问题、调试问题、数据问题等等。
但这些工作大多是一次性的。
一旦把能力建设好，后面就可以在各种场景里持续复用。
一个月搞通一个角色的大部分工作，三五个月下来，整条研发工作链路都会变得无比通畅。
到那个时候，AI 的工作会越来越少需要人直接干预。人的职责也会随之发生变化，从亲自参与每一个研发流程，逐渐转向建设这些自动化流程，维护这些 Workflow、Skills 和基础设施。
研发团队真正重要的能力，就是持续把人的经验变成 AI 可以稳定执行的系统能力。
顯示更多
因为国家双标了，一边叫年轻人骂人家北欧高福利，让他们为需要用体力劳动换钱自豪，一边给退休公务员福利，没有一碗水端平🤪
这不是有病吗？难不成让退休的人吃不起住不起都流浪街头你才满意？
模型的进步会让过去给harness 打得补丁变得无效，所以AI现在做不了的自己做就好了，后面进步了再让AI做，根本不需要操这份心🤪
现在怎么没人提“工作流”了？
当初 Coze、Dify、n8n 火得不行，好像不会搭工作流，公司就要被淘汰。后来又轮到 RAG、知识库、数字员工、Agent、MCP、Skill，最近还冒出工作台和 FDE。
AI 圈的概念总是一茬接一茬，旧词不是没用了，只是流量已经追着新词跑了。
顯示更多
这一年多民主党什么都不做的策略感觉起到了效果🤪
拜登向特朗普投下了一枚重磅炸弹
特朗普（晚8:00）：“人们称所发生的一切为美国的一个奇迹。”
拜登（晚8:05）：“无休止的战争、创纪录的账单、医疗补助（Medicaid）削减、创纪录的债务、3.5%的通胀率，美国在全世界遭人憎恨。没有哪位总统能在如此短的时间内造成如此巨大的破坏。这简直是一场灾难，绝非奇迹。”
顯示更多
背点东西都嫌麻烦，还是都交给AI去决定吧，不要给世界添乱了🤪
谁能告诉我，为什么地表最先进的关系数据库 #PostgreSQL# 要把字段数据类型定义的乱七八糟的。举个栗子：character varying(32) == varchar(32)。这只是冰山一角，还有一堆类型定义各种别名。
就不能保持简单，不给用户增加认知负担吗？先进性体现在哪？
顯示更多
这明显是组织结构的问题，如果现存前端同学不需要维护这一段代码，那他就不会拒绝合并🤪
全栈尝试：我们项目组的后端程序员在 ai 的帮助下，从前到后独立完成了一个功能，然后兴高采烈的拿着前端代码让前端组合并，遭到前端程序员的拒绝，他表示很失落。
顯示更多
AI大V的定语是AI，精通在codex里打字🤪
为啥说大家都很草台， 我有个前同事， 面试人家上来就是问哈希表的时间复杂度， 我心想问这个感觉有点侮辱对方智商的表现， 可真的很多人答不上来。
有时候你判断推特的大V 有没有计算机专业素养， 你就看他能不能分清手机内存和存储就够了
别笑， 真的很容测出来不少AI大V其实并未有扎实的计算机的底子。
顯示更多
国家管这么多干嘛，你让公民破产就行了🤪
用户把烦恼直接跟AI说就行了，下次有什么问题下次再说，代码改不动了就写个新的。更别说大部分胶水搞不好已经被开源过了，还不感谢过去的开源斗士这么喜欢写前端🤪
顯示更多
@geniusvczh 不需要调教的前提是 ai已经解决了软件工程里面“定义需求”和“需求变化”的问题了，但用户大部分时间又不知道自己到底想要什么。用户脑容量和想象力就那么点。
一些能明确定义，边界清晰的小需求倒是没啥问题。
顯示更多
韩国股票下跌是蓝色的🤪
这个题目很简单吧，自己画一遍就知道了。有种做三维的雨盆接水🤪
以前 90% 的程序员不会接雨水
现在有了AI 估计 99% 的程序员不会了
2026年了，内存不够是用户的问题，连垃圾yoga都有16G内存了，今年的开发机没有120G还能买？🤪
这些个TUI怎么跑起来比GUI还费劲。。
吃的内存一个赛一个的多
我司很多年前就已经全栈了，一个功能一个人从头负责到底才能最大程度降低无谓的消耗。就算没有AI前端后端这种分法也不应该存在，联调的屎这么多居然嫌不够吃🤪
顯示更多
Sol作为一个直径跟随非常好的模型，为了减轻自己的负担，最好是peer review一个plan，等坑都找的差不多了就可以动手干了，代码看看接口就知道行不行了。不过一个任务不能太大，sol ultra能review的范围大概就是给app加一个功能这么多了🤪
顯示更多
这两天，我拿一个真实项目里的技术点写专利。
本来以为这是 AI 最擅长的活。Claude Opus 5 和 GPT 5.6 轮番上阵，看代码、理思路、写技术方案、组织专利语言，一开始效率高得让我很兴奋。
结果，两天过去，我发现自己碰到了现在大模型真正的天花板。
上下文足够，需求也很清楚，但它始终写不出一个真正闭环的技术方案。看上去逻辑完整，细抠就发现有漏洞。你指出一个问题，它立刻改好；可刚改完，另外一个地方又露出新的破绽。于是只能一遍遍顺着整条技术路线去推，一点一点找漏洞，再一点一点修。
最累的地方不是它写，而是你审。
它写一个方案可能只要几分钟，你为了确认它有没有坑，可能要花半个小时。等你终于把坑找出来，它马上就改；改完以后，又在另一个地方给你埋了一个新的坑。
以前我总觉得模型特别强，是因为我让它做的大多是局部任务。真正开始做这种需要代码、架构、逻辑、专利四条线同时保持一致的工作，才发现它离真正的专家还差得很远。
还有一个变化让我印象特别深。
现在的大模型越来越会给你一种”它已经想明白了”的感觉。很多内容看起来都对，甚至写得很专业。如果使用者水平一般，很容易就相信了；如果使用者水平够高，就只能不停地识别它到底是哪一步开始”编圆了”，然后再一点一点把它拉回来。
最后，Token 烧没了，人也快烧没了。
我觉得，AI 有点像一团火。
火本身没有好坏。能驾驭它的人，会拿它炼钢；驾驭不了的人，只会被它烫得手忙脚乱。
至少在今天，真正决定上限的，依然不是 AI，而是坐在屏幕前那个不停给 AI 找漏洞的人。
顯示更多
今天看确实是这样，但是以后app store这种东西只会直接消失，要干什么也是直接跟AI提意见，甚至不用开口说我要做个app，因为没有提供足够context的API一样会被淘汰。最后用户只会被剥夺所有其他途径🤪
顯示更多
@geniusvczh 给用户这么多的选择和diy空间，对toc产品来说会overwhelm大部分用户，poweruser总是极小一部分。
用户期待30秒下载软件，20秒上手。要是变成30秒打开codex，1个小时调教前端，xxx小时发布，下载，出问题自己回codex debug，不太相信这种产品会有很大的用户量
顯示更多
设计的review流程终于有史以来产生了第一个有价值的comment，可喜可贺。现在复杂的任务写出来之后都是先review一遍再执行，AI会试图在给出来的任务做不了的时候按照规定的格式challenge我，不过之前所有提出来的问题都是因为sol ultra没有认真阅读代码，这次终于有一个真的comment了，属实AI零的突破🤪
顯示更多
继续挣扎吧，反正以后前端全都是最终用户拿codex自己做的，需要什么功能买各种互联网服务的API来用就好了。最终用户做这个比码农来写要简单多了，他只需要兼容自己的硬件，只做自己需要的那部分，有什么问题直接改，根本不需要考虑发布，也不需要考虑其他用户怎么想🤪
顯示更多
自从今年AI能力大提升后
再也没听到，前端要完蛋了 ，设计要完蛋了的言论
这种问“做完了没”就属于无效prompt，有没有做完自己不知道吗？直接告诉他就行了，又不是在处男朋友🤪
每天都要被 codex 的过度设计逼疯（今日是 sol max
任何长任务在实现完后你问有没有遗漏，永远有！你问有没有问题，永远有！上下文一压缩，你问你还记得最开始要做的具体事情吗，永远是 “我会回去确认。。。”
只要你不得过且过，你是永远无法放心收尾的
顯示更多
我现在不告诉AI我的判断，免得影响他的想法，在我做出我自己的判断之后，我会新开一个对话，避免AI被自己过去的想法影响🤪
@geniusvczh ultra 原推问题也很严重，gpt似乎有点谄媚
